准确评价P2P网贷借款人信用水平是P2P网贷平台降低借款人违约率、控制整体信用风险的基石。针对网贷借款人数据量大、维度高的特点，提出一种核非负矩阵分解与贝叶斯优化结合的Xgboost分类算法。首先利用核非负矩阵分解方法对借款人数据降维，然后将贝叶斯思想引入Xgboost方法，寻找使分类精度最高的参数组合以优化分类器性能，提高借款人信用评价准确率。仿真实验表明，该种改进的Xgboost算法，相较于经验值定参Xgboost算法及传统支持向量机算法，具有更高的分类精度。
科研之友
微信
新浪微博
Facebook
分享链接
